Memahami AI Fizikal: Bagaimana AI Bergerak Melangkaui Dunia Digital

Keupayaan AI semakin berkembang daripada penjanaan kandungan semata-mata untuk meresap ke dalam dunia sebenar. Fokus baharu sedang muncul dalam komuniti teknologi: bagaimana membolehkan sistem benar-benar memahami hukum fizik supaya dapat beroperasi dengan selamat dan boleh dipercayai dalam persekitaran dunia sebenar. AI Fizikal merupakan bidang teras yang semakin popular dalam konteks ini, menandakan peralihan penting dalam perkembangan AI—daripada "kecerdasan maklumat" yang memproses data maya kepada "kecerdasan dunia sebenar" yang berhubung dengan dunia fizikal.

Kandungan berikut akan menganalisis Physical AI daripada beberapa dimensi: evolusi teknologinya, mekanisme operasi yang mendasari, senario aplikasi biasa dan strategi timbunan penuh NVIDIA.

Daripada Persepsi kepada Fizik: Evolusi Teknologi AI

Jika menelusuri kembali evolusi AI, perkembangannya secara kasar boleh dibahagikan kepada peringkat berikut:

AI Persepsi: Bertanggungjawab terutamanya untuk mengenali imej, pertuturan dan pelbagai isyarat.

AI Generatif: Mula mencipta teks, melukis rajah dan menulis kod.

AI Agentik: Mampu merancang dan melaksanakan tugas kompleks secara bebas.

AI Fizikal: Belajar memahami, membuat penaakulan dan bertindak dalam dunia sebenar.

Dalam tiga peringkat pertama, keupayaan AI sebahagian besarnya terhad kepada ruang maya digital, meliputi pemprosesan data, penjanaan kandungan dan pembuatan keputusan logik. AI fizikal bertujuan untuk mengubah keadaan ini. Matlamat terasnya adalah untuk membolehkan AI memahami dan memodelkan hukum fizik dunia sebenar, sekali gus mencapai persepsi, pertimbangan dan tindakan sebenar dalam persekitaran luaran yang nyata.

Perubahan terbesar dalam tempoh ini ialah rombakan menyeluruh terhadap model kawalan sistem—yang sebelum ini bergantung pada peraturan tegar dan kod deterministik, kini diserahkan kepada model pembelajaran mendalam berasaskan rangkaian neural. Setelah AI mengintegrasikan undang-undang fizik, keupayaan generalisasi dan kebolehsuaian persekitarannya dimaksimumkan, sekali gus menyediakan asas untuk operasi yang stabil dalam dunia sebenar yang kompleks dan sentiasa berubah.

Namun, sejauh mana AI fizikal dapat melakukannya banyak bergantung pada sejauh mana baiknya teknologi yang mendasarinya. Latihan berskala besar, simulasi kesetiaan tinggi dan penggunaan berbilang peranti secara bersama semuanya memberikan tekanan besar terhadap lebar jalur, kependaman dan kestabilan sambungan antara komputer. Sebagai pengeluar profesional penyelesaian interkoneksi berprestasi tinggi, QSFPTEK telah menangani keperluan kritikal latihan dan inferens AI dengan menawarkan modul optik yang meliputi pelbagai kelajuan, termasuk InfiniBand 1.6T, 800G RoCE dan 400G RoCE, bersama-sama aksesori sambungan antara seperti DACs dan AOC. Ia juga menyediakan seni bina rangkaian lengkap (InfiniBand dan RoCE) serta penyelesaian penyejukan cecair untuk memenuhi keperluan infrastruktur AI fizikal bagi skala dan senario aplikasi yang berbeza.

Apakah AI Fizikal?

AI Fizikal (juga sering dipanggil AI fizikal generatif) ialah kelas teknologi pintar yang berorientasikan dunia fizikal sebenar, bertujuan membolehkan sistem autonomi—seperti robot dan kenderaan pandu sendiri—merasakan, memahami dan melaksanakan tindakan kompleks dalam persekitarannya.

Berbeza dengan AI tradisional, yang kebanyakannya memproses teks, imej atau video, AI fizikal menggunakan hubungan ruang tiga dimensi dan hukum fizik untuk menjadikan modelnya berfungsi. Ini bermakna output dan keputusan AI mematuhi peraturan dunia sebenar seperti graviti, pergerakan, perlanggaran dan optik. Adalah munasabah bahawa AI fizikal perlu memastikan hasil yang dijananya sah dari segi fizik. Sebagai contoh, dengan menambahkan had fizikal, imej dan video menjadi lebih realistik dari segi pergerakannya, daya yang terlibat dan konsistensi adegan.

Dalam robotik, AI fizikal memudahkan sistem memahami dan berinteraksi dengan persekitarannya. Robot tradisional mengikut peraturan yang telah ditetapkan untuk melaksanakan tugas, manakala robot berasaskan AI fizikal boleh mengenal pasti atribut objek, meramalkan trend pergerakan, serta membuat keputusan dan melaksanakan operasi secara bebas dalam persekitaran yang kompleks dan sentiasa berubah. Ini bermakna robot tersebut boleh digunakan untuk lebih banyak perkara.

Bagaimanakah AI Fizikal Berfungsi?

Bahagian paling penting dalam AI fizikal ialah integrasi rapat antara persepsi (cara sistem melihat dunia), penaakulan (cara sistem menentukan perkara yang perlu dilakukan) dan tindakan (cara sistem melaksanakan tindakan tersebut). Hal ini membolehkan sistem automatik melaksanakan tugas dengan selamat dan cekap dalam persekitaran fizikal sebenar. Ini bukan sahaja memerlukan algoritma termaju, tetapi juga persekitaran simulasi berketepatan tinggi, strategi pembelajaran pengukuhan dan keupayaan pemprosesan data multimodal.

Persepsi Pelbagai Modal dan Pemahaman Fizikal

Sistem AI fizikal menerima data daripada pelbagai peranti seperti kamera, LiDAR dan penderia daya, di samping mengumpulkan maklumat tentang persekitaran. Berbeza daripada model AI generatif, AI fizikal bukan sekadar melihat rupa permukaan data. Ia memfokuskan pada analisis hubungan ruang, tingkah laku objek dan hukum fizik. Hal ini membantunya membentuk pemahaman mendalam yang boleh digunakan untuk membuat keputusan dan melaksanakan tindakan.

Sebagai contoh, apabila robot menggenggam objek, ia perlu mengetahui apakah objek itu, berapa beratnya, apakah bentuknya dan betapa licinnya objek itu, kemudian mengubah cara ia menggenggamnya supaya sesuai. Ini bermakna mesin boleh menangani situasi baharu dan tugas yang sukar.

Simulasi dan Penjanaan Data Sintetik

Pengumpulan data fizikal berkualiti tinggi dalam dunia sebenar memerlukan kos yang tinggi, berisiko dan tidak cekap. Oleh itu, AI berasaskan fizik sangat bergantung pada persekitaran simulasi fizik yang sangat realistik untuk menjana data latihan.

Dengan menggunakan teknologi kembar digital, dunia maya dapat mencipta semula pergerakan, perlanggaran dan perubahan pencahayaan dalam adegan dunia sebenar. Hal ini membolehkan mesin dan sensor berinteraksi di dalamnya. Data yang terhasil, selepas dianotasi dan diperkaya, boleh digunakan untuk melatih model, membolehkan sistem mengumpul pengalaman operasi yang luas sebelum pelaksanaan rasminya di dunia sebenar.

Pembelajaran Pengukuhan dan Latihan Dasar

Sistem AI Fizikal biasanya menggunakan proses yang dipanggil pembelajaran pengukuhan untuk mengajar robot melakukan sesuatu dengan cara yang selamat. Sistem belajar melalui percubaan dan kesilapan, dan menerima ganjaran bagi setiap langkah yang betul, yang membantunya memilih tindakan seterusnya yang tepat.

Selepas banyak percubaan, robot itu secara beransur-ansur belajar melakukan perkara yang sukar, seperti mengalihkan objek dengan lengan robotik, bergerak sendiri atau melaksanakan tugas yang rumit. Selepas dilatih, model itu boleh digunakan dalam dunia sebenar, menunjukkan bahawa ia dapat menyesuaikan diri dan berfungsi dengan baik.

Senario Aplikasi Tipikal AI Fizikal

Matlamat utama AI fizikal adalah untuk membolehkan sistem pintar memahami, memahami keadaan dan bertindak balas terhadap dunia fizikal. Dengan menggunakan persekitaran simulasi ketepatan tinggi yang berasaskan undang-undang fizik, model boleh dilatih dengan selamat dan dalam keadaan terkawal. Hal ini menjadikannya lebih mudah menyesuaikan diri dan lebih boleh dipercayai dalam senario dunia sebenar.

Sistem Robotik

AI Fizikal sedang membawa perubahan besar dalam robotik. Teknologi ini mengubah robot daripada peranti yang hanya mengikut peraturan tetap kepada sistem pintar yang dapat melihat persekitarannya dan membuat keputusan sendiri.

Robot Mudah Alih Autonomi (AMR): Di tempat seperti gudang, yang memerlukan pertimbangan terhadap banyak perkara seperti pergerakan barangan, AMR menggunakan penderia untuk mencari laluan dan mengelakkan halangan. Ini memastikan robot tersebut dapat bekerja dengan baik bersama manusia.

Lengan robotik boleh mengubah cara mencengkam objek dan kekuatan cengkamannya berdasarkan kedudukan, saiz dan bahan objek tersebut. Hal ini membolehkan objek dikendalikan dan dialihkan dengan sangat tepat serta mengelakkannya daripada bergegar.

Robot Pembedahan: Robot ini belajar melakukan perkara yang sangat tepat seperti memasukkan jarum ke dalam bahagian badan dan menjahitnya melalui latihan yang menggunakan simulasi. Hal ini menjadikan pembedahan lebih selamat dan selesa.

Robot Humanoid: Dengan mengintegrasikan keupayaan persepsi, penaakulan dan kawalan pergerakan, robot ini boleh berinteraksi dengan dunia fizikal dalam pelbagai tugas dan persekitaran.

Pemanduan Pintar

Dalam bidang pemanduan autonomi, AI fizikal bertindak sebagai jambatan yang menghubungkan persepsi penderia dan kawalan kenderaan. Sistem berdasarkan model "Vision-Language-Action" (VLA) boleh dilatih dalam persekitaran simulasi fizikal berketepatan tinggi, menjadikan kenderaan lebih stabil ketika menghadapi pejalan kaki, keadaan jalan yang kompleks dan situasi yang tidak dijangka, serta membolehkannya menyelesaikan operasi kritikal seperti pertukaran lorong dengan lancar.

Ruang Pintar

Untuk ruang yang besar seperti kilang dan gudang, AI fizikal menggunakan kamera tetap dan model penglihatan komputer untuk menjejaki orang, kenderaan dan robot sepanjang masa. Ini membantu merancang laluan terbaik, mengesan masalah dan memberikan amaran dengan cepat, menjadikan operasi lebih selamat dan cekap.

Strategi tindanan penuh NVIDIA untuk AI fizikal

Susun atur strategik NVIDIA dalam bidang AI fizikal jelas melangkaui sekadar meningkatkan prestasi cip individu. Terasnya terletak pada pembinaan platform teknologi tindanan penuh "daripada pengkomputeran hingga penggunaan", yang mengintegrasikan pembangunan, latihan, simulasi dan pelaksanaan akhir. Matlamatnya adalah untuk menyediakan sokongan teknikal asas serba guna bagi industri robotik dan pemanduan autonomi, bukannya sekadar menawarkan penyelesaian perkakasan.

Dari perspektif ekosistem, matriks teknologi ini merangkumi beberapa lapisan utama. Antaranya ialah pemproses siri Jetson untuk robotik dan pengkomputeran pinggir, platform CUDA sebagai asas pengkomputeran selari, Omniverse—yang memfokuskan pada kembar digital dan simulasi fizikal—serta rangkaian model AI fizikal dan alat perisian yang semakin berkembang. Semua elemen ini bekerjasama untuk membentuk aliran kerja lengkap yang merangkumi keseluruhan proses, daripada pembangunan algoritma hingga pengesahan dan penggunaan sistem.

Dari segi aplikasi industri: Banyak syarikat robotik dan peralatan industri terkemuka—termasuk Boston Dynamics, Caterpillar, Franka Robotics, LG Electronics, dan NEURA Robotics—kini memanfaatkan platform perisian dan perkakasan NVIDIA’s untuk memajukan pembangunan sistem autonomi dan mesin pintar. Aplikasi praktikal ini menunjukkan bahawa NVIDIA secara sistematik menggerakkan AI fizikal ke arah pembangunan berasaskan platform melalui model kolaboratif "model-tools-simulation-community".

Pada peringkat model dan alat: Di CES 2026, NVIDIA menyediakan aset AI fizikal terasnya kepada orang awam buat kali pertama, termasuk platform model dunia Cosmos, model inferens pemanduan autonomi Alpamayo dan model tindakan-penglihatan-bahasa (VLA) Isaac GR00T untuk robot humanoid. Hagunakan model dan alat bertaraf tinggi ini untuk pembangun bermakna mereka lebih mudah menceburi sistem robotik dan pemanduan autonomi, sekali gus memberikan semua orang titik permulaan yang dikongsi.

Pada peringkat latihan dan pengesahan: NVIDIA menggunakan teknologi simulasi untuk membina jambatan antara dunia maya dan dunia sebenar. Cosmos, sebagai platform simulasi fizik yang boleh dipelajari, boleh menjana persekitaran maya berfideliti tinggi dan sejumlah besar data sintetik. Hal ini membolehkan AI menjalani latihan dan ujian berfrekuensi tinggi dengan risiko rendah sebelum digunakan secara rasmi dalam dunia sebenar, sekali gus menangani secara langsung masalah kekurangan data dunia sebenar serta kos percubaan dan kesilapan yang tinggi. Sebagai contoh, Cosmos Predict boleh meramalkan evolusi proses fizik yang kompleks dengan cepat, manakala Cosmos Reason menyokong penaakulan logik berbilang laluan sebelum pelaksanaan sebenar, sekali gus meningkatkan kebolehpercayaan keputusan sistem dalam senario yang kompleks.

Dalam bidang pemanduan autonomi: Alpamayo 1, model penaakulan VLA untuk komuniti penyelidikan, boleh menjana trajektori pemanduan secara langsung daripada input video dan pada masa yang sama mengeluarkan logik di sebalik keputusan tersebut, sekali gus memberikan kebolehinterpretasian yang lebih tinggi kepada sistem bantuan pemanduan. Pada masa ini, teknologi ini sedang disepadukan secara beransur-ansur ke dalam kenderaan generasi akan datang yang dikeluarkan secara besar-besaran, mendorong realisasi sebenar fungsi pemanduan yang ditakrifkan oleh AI.

Dari segi pembinaan ekosistem: NVIDIA telah meningkatkan lagi keterikatan platform melalui kerjasama sumber terbuka dan komuniti. Sebagai contoh, mereka bekerjasama dengan Hugging Face untuk mengintegrasikan Isaac dan GR00T ke dalam rangka kerja robotik sumber terbuka LeRobot, sekali gus menghubungkan komuniti besar pembangun robotik dan AI. Strategi ini, yang berpusat pada infrastruktur dan ekosistem pembangunan, secara beransur-ansur membina halangan platform dengan kos migrasi yang amat tinggi dalam bidang AI fizikal.

Kesimpulan

Kemunculan AI fizikal merupakan langkah besar bagi kecerdasan buatan, beralih daripada "kecerdasan maklumat" kepada "kecerdasan dunia sebenar". Apabila AI dapat memahami undang-undang fizik, berfikir secara logik dan bertindak, AI benar-benar akan berada pada tahap yang berbeza, membebaskan diri daripada dunia digital dan menjadi sebahagian daripada dunia sebenar. Dengan kemajuan teknologi yang semakin pesat, industri seperti robotik, kereta pandu sendiri, ruang pintar dan automasi industri akan berkembang dengan ketara, menjadikan sistem lebih selamat dan cekap dalam persekitaran yang kompleks.